基于大數據技術的企業上市孵化數據管理

蘇惠明

摘要：大數據時代技術的飛速發展對傳統企業的生產、管理和運營都產生了巨大影響，因此企業在管理模式、運營模式、創新模式等諸多方面也需要積極引入數據科學和技術。文章從企業大數據采集與存儲、企業大數據分析和處理、企業上市孵化數據處理方案等方面對大數據背景下的企業上市孵化數據管理進行了討論。

Abstract： The rapid development of technology in the big data era has had a huge impact on the production， management and operation of traditional enterprises. Therefore， enterprises also need to actively introduce data science and technology in many aspects such as management mode， operation mode and innovation mode. The article discusses the management of enterprise listing incubation data in the context of big data from the aspects of enterprise big data collection and storage， enterprise big data analysis and processing and enterprise listing incubation data processing solutions.

關鍵詞：大數據;企業上市孵化數據;管理

0? 引言

隨著大數據技術的飛速發展，管理者已認識到大數據是企業未來的戰略性資產[1]。數據是創新、競爭和生產的下一個前沿，能夠為企業帶來戰略決策能力提升、供應鏈改進和組織敏捷性塑造等多方面的價值[2]。企業上市是指股份公司首次向社會公眾公開招股的發行方式，可以利用股票期權等方式實現對員工和管理層的有效激勵，有助于企業吸引優秀人才，助力企業發展，證明企業實例，提升企業形象等諸多好處[3]。但企業上市本身需要經過綜合評估、規范重組、正式啟動等階段，對企業籌資目標、原則、結構、渠道與方式等方面都具有較高要求[4]。然而，企業上市的過程是一個復雜的過程，對其的股權結構、經營時間、管理層結構、財務報表、融資體系等都具有較高的要求。而企業的直接或間接數據反映了企業各方面的顯性或隱性實際狀況。依托企業大數據，將不同企業納入到企業數據庫中，以推動企業上市孵化為目標，從企業選種、育種、孵化、優化等各環節建立相應的參考模型，進而建立大數據背景下的企業上市孵化全生命周期管理體系，對提高決策支持、促進企業發展具有重要意義。

1? 企業大數據采集與存儲

一般來講，企業社會關系網絡中的利益相關者可以分為三個類別：公共事務部門、商品供應鏈組織和合作協作組織[5]。因此，企業數據采集不單單是企業內部生產管理數據的采集，還需要對其他三類數據進行采集。從大數據的角度看，與企業相關的數據應該是全量數據采集而不是抽樣數據采集。企業大數據采集可以通過多種方式進行，包括對企業及相關方的數據通過批處理或實時處理等工具，對后臺生成的數據表、數據庫、日志等在線或離線數據進行系統性收集。此外，包括對智能終端、Web端控件、RFID射頻識別數據、傳感器數據、社交網絡數據等產生的數據進行全方位的采集。

采集到的數據形式多樣，格式各異，因此對企業大數據的存儲也需要建立相應的數據倉庫。數據倉庫的建立需要將數據存儲供后期處理，因此需要對數據倉庫的設計時除了考慮多源異構數據的存儲方式，還應考慮數據的查詢、調度和管理等[6]。此外，由于數據本身的敏感性，企業大數據存儲方面還應考慮到數據系統的可用性、可靠性、透明性、可伸縮性、容錯性及安全性等多方面的要素。

2? 企業大數據處理和分析

由于采集到的企業數據具有結構化數據、非結構化數據及半結構化數據等多種類型，同時，數據本身由于各種原因也存在不一致、缺失、噪聲等問題，因此無法進行直接處理。為了后期數據處理的可行性和進行數據挖掘需求，需要對數據本身進行辨別、歸類、清洗、抽取等處理[7]。在處理過程中，要將具有復雜類型和結構的企業數據轉換為以需求為導向的便于處理的數據，通過去噪和過濾等手段摒棄某些數據。在處理過程中，應盡量遵循按屬性歸類、數據標簽明確且具有唯一性、噪聲數據盡量平滑、異常數據盡量消除等原則。

企業大數據處理和分析的目的是盡量從前期采集到的數據中提取隱含在其中的能表征企業內部特性的信息和知識，從而為企業決策提供依據。利用數據挖掘、統計分析、機器學習等技術手段和工具，通過對數據建立各類模型，進行分類、聚類、關聯規則、回歸分析、相關性分析等多種方式的處理，從而從各個維度深入挖掘企業內在特征。

3? 企業上市孵化數據處理方案

在數據準備完成后，對不同企業納入企業項目庫中進行處理。依據不同的特性，可以將企業納入對應的種子庫、培育庫、孵化庫，從而進一步從不同方面對企業的經營和狀況進行優化。針對企業數據的處理方案和流程如圖1所示。

企業項目庫中的企業需要進行篩選、培育和孵化等一系列流程和措施。

在項目選擇階段，通過對培育公司的信息采集、數據的篩選和清洗、運營平臺數據存儲等多種方式，可以獲取企業數據的原始信息。這些原始信息反映了企業顯性或隱性的直接特征，是后期對應策略的可靠依據。可以通過多種形式和手段對數據進行采集和存儲（參照本文2企業大數據采集與存儲），從而保證原始數據盡可能的全面、真實、可用和可處理。

在項目培育階段，需要對孵化項目進行價值鏈服務、資金鏈服務、資金全鏈管理、資金安全放火、風險控制等過程。在價值鏈服務過程中，按照企業數據屬性，可以對劃分為商業模式數據、財務數據、股權設計數據、法律架構進行數據量化、團隊建設進行數據量化、融資戰略數據等。在這一過程中，如商業模式數據、財務數據、股權設計等數據可以直接得到且數據要求真實可靠，而諸如法律結構、團隊建設等方面的數據由于其自身特點，并不能直接體現，需要對其通過參考模型、打分和權重設置、分級和評價體系等方式進行量化處理。

在資金鏈管理中，需要考慮到銀行資金數據、投資機構數據、基金諸如數據、資本市場注入數據、政府/民間數據等一系列資金數據的管理，從而形成各類資金的全鏈管理。由于數據來源眾多，結構各異，可以利用各種大數據的工具和技術進行處理。同時，可以通過區塊鏈等技術加強對數據的安全防護，以及采取資金預警模式、數學模型、閾值警報等方式對風險進行控制。

通過從數據角度對項目進行篩選和培育后，就可以將種子企業納入項目孵化庫，對應的通過對種子企業進行多維度的綜合評價，用量化的方法對企業進行打分，進而形成初步的企業診斷報告。對于不同層級的企業，對應執行并購/重組/IPO定制等多種方案。在方案定制過程中，需要綜合考慮數據運營、智能投顧、風險控制等多個角度的對應策略，從而推動企業在上市孵化過程中的策略有效性和可行性。此外，通過數據為項目孵化庫中企業信息管理提供決策支持，包括資產優化、運營策略、品牌推廣等方面。

在整個企業上市孵化的數據管理中，還應及時將政府和行業需求變更考慮進來，關注政府的政策指引和行業的實時動態，及時調整不同企業相應的針對策略，秉持持續改進的原則，全盤及時、動態的對數據進行分析和管理。

4? 結語

隨著現代社會的飛速發展和信息技術、大數據技術的不斷發展，數據本身已經成為一種增長快速、多源異構、可重復利用且決策價值大的新型資源[8]。數據量的指數級增長及專業的大數據服務公司和機構不斷涌現，數據科學和大數據技術成為當前熱門的學科和技術。大數據技術對傳統企業的生產、管理和運營都產生了巨大影響，因此企業在管理模式、運營模式、創新模式等諸多方面也需要積極引入數據科學和技術，從而更好的發展自身，有效推動我國經濟的進一步發展。

參考文獻：

[1]鄭力源，周海煒.企業大數據能力：研究綜述與未來展望[J]. 科技進步與對策，2019（15）.

[2]Pett T L， Wolff J A， Perry J T. Information technology competency in SMEs： an examination in the context of firm performance[M]. 2010.

[3]趙山利.互聯網金融與風險投資研究[D].對外經濟貿易大學，2015.

[4]柯志賓，張瑋，張學華.現代企業上市融資的問題及對策[J]. 廈門科技，2012（05）：22-24.

[5]謝從晉，畢孝儒，楊柳.經濟和社會資本大數據與企業創新動態評估研究[J].經濟問題，2019（10）.

[6]施伯樂，汪衛.THE SURVEY OF THE RESEARCH ON DATA WAREHOUSE AND DATA MINING%數據倉庫與數據挖掘研究進展[J].計算機應用與軟件，2003，020（011）：10-12，53.

[7]劉紅巖，陳劍，陳國青.數據挖掘中的數據分類算法綜述[J]. 清華大學學報（自然科學版），2002（6）：18-21.

[8]劉智慧，張泉靈.大數據技術研究綜述[J].浙江大學學報：工學版，2014，48（6）：957-972.